下载文档原格式
食品安全信息调查与分析第1套您已经通过该套作业,请参看正确答案1. 以下哪项不属于样本统计量之间的差异编制频数表的步骤（）A.分组段B.定组距C.找全距D.制分布图参考答案：D您的答案：D2. 原始数据分布不明时，表示集中趋势的指标（）A.几何平均数合理B.均数合理C.中位数合理D.几何均数和中位数都合理参考答案：C您的答案：C3. 正态分布曲线下，横轴上从均数μ到μ±l.96σ的面积为（）A.97.5％B.95％C.48.8％D.47.5％参考答案：B您的答案：B4. 变异系数表示（）A.变异数B.对称分布C.集中趋势D.相对变异参考答案：D您的答案：D5. 抽样的目的是（）A.研究总体统计量B.研究样本统计量C.研究误差D.样本推断总体参数参考答案：D您的答案：D6. 要评价某市一名5 岁男孩的身高是否倔高或偏矮，其统计方法是A.用该市5 岁男孩身高的95％或99％正常值范围来评价B.作身高差别的显著性检测来评价C.用身高均数的95％或99％可信区间来评价D.不能做出评价参考答案：A您的答案：A7. 样本是总体的（）A.有价值的部分B.有意义的部分C.有代表性的部分D.任意一部分参考答案：C您的答案：C8. 均数与标准差之间的关系是（）A.标准差越小，均数代表性越大B.标准差越小，均数代表性越小C.均数越大，标准差越小D.均数越大，标准差越大参考答案：A您的答案：A9. 在统计学中，参数的含义是（）A.变量B.参与研究的数目C.研究样本的统计指标D.总体的统计指标参考答案：D您的答案：D10. 均数与标准差适用于（）A.正偏态分布B.负偏态分布C.正态分布D.偏态分布参考答案：C您的答案：C11. 抽样误差的定义为（）A.总体参数与总体参数间的差异B.个体值与样本统计量间的差异C.总体参数间的差异D.样本统计量与总体统计量间的差异参考答案：D您的答案：D12. 做频数表时，以组距为5 ，下列哪项组段划分正确（）。
显著性检验对所有自变量与因变量之间的直线回归关系的拟合程度，可以用统计量R2来度量，其公式如下：TSS(Total Sum of Squares)称为总平方和，其值为，体现了观测值y1,y2,…,y n总波动大小，认为是在执行回归分析之前响应变量中的固有变异性。
ESS(Explained Sum of Squares)称为回归平方和，是由于y与自变量x1,x2,…,x n的变化而引起的，其值为，体现了n个估计值的波动大小。
RSS(Residual Sum of Squares)称为残差平方和，其值为。
R2称为样本决定系数，对于多元回归方程，其样本决定系数为复决定系数或多重决定系数。
回归模型的显著性检验包括：①对整个回归方程的显著性检验；②对回归系数的显著性检验。
对整个回归方程的显著性检验的假设为“总体的决定系统ρ2为零”，这个零假设等价于“所有的总体回归系数都为零”，即：检验统计量为R2，最终检验统计量为F比值，计算公式为：F比值的意义实际上是“由回归解释的方差”与“不能解释的方差”之比。
检验回归方程是否显著的步骤如下。
第1步，做出假设。
备择假设H1:b1,b2,…,b k不同时为0。
第2步，在H0成立的条件下，计算统计量F。
第3步，查表得临界值。
对于假设H0，根据样本观测值计算统计量F，给定显著性水平α，查第一个自由度为k，第二个自由度为n-k-1的F分布表得临界值F(k,n-k-1)。
当F≥Fα(k,n-k-1)时，拒绝假设H0，则认为回归方程α显著成立；当F＜Fα(k,n-k-1)时，接受假设H0，则认为回归方程无显著意义。
对某个回归参数βi的显著性检验的零假设为：H0：βi=0，检验的最终统计量为：具体步骤如下。
(1)提出原假设H0:βi=0；备择假设H1:βi≠0。
(2)构造统计量，当βi=0成立时，统计量。
这里是的标准差，k为解释变量个数。
(3)给定显著性水平α，查自由度为n-k-1的t分布表，得临界值。
（0682）《田间试验设计》复习思考题答案一、填空题（每空1分）1、重演性2、系统误差、随机误差3、重复、随机排列、局部控制4、单因素试验、多因素试验、综合性试验5、完全随机设计、随机区组设计、拉丁方设计、裂区设计6、拉丁方7、数量、质量8、直方图、多边形图、条形图（还有柱形图、折线图、圆图等）9、算术平均数、中位数、众数（几何平均数、调和平均数）10、0、111、试验小区12、0.99、0.9513、无效假设（零假设）、备择假设14、0.05（5%）、0.01（1%）15、α错误（Ⅰ型错误）、β错误（Ⅱ型错误）16、LSD、SSR、q17、平方根转换、对数转换、反正弦转换18、效益的可加性、分布的正态性、方差的一致性19、适合性检验、独立性检验20、函数、相关21、因果、平行22、0.9623、50、924、kn-125、均方二、判断题（每题1分，正确的打√，错误的打×）1、×2、×3、√4、×5、√6、×7、√8、×9、×10、√11、√12、√13、√14、√15、√16、×17、×18、×19、×20、×21、×22、×23、×24、×25、√26、×27、√28、×29、×30、√（0682）《田间试验设计》复习思考题一、填空题（每空1分）1、田间试验具备如下要求：试验目的要明确、试验要具有代表性和先进性、实验结果要正确可靠、试验结果要具有重演性。
2、田间试验由于处理因素以外的环境等因素等影响，往往存在和2、系统误差、随机误差两种误差。
3、田间试验设计时一般要遵守三大原则：3、重复、随机排列、局部控制4、按照试验因素的多少分类，田间试验可分为：4、单因素试验、多因素试验、综合性试验。
5、随机排列设计就是在重复区内将各处理随机排列。
正交试验设计方法讲义及举例第5章 正交试验设计方法5．1 试验设计方法概述试验设计是数理统计学的一个重要的分支。
多数数理统计方法主要用于分析已经得到的数据，而试验设计却是用于决定数据收集的方法。
试验设计方法主要讨论如何合理地安排试验以及试验所得的数据如何分析等。
例5-1 某化工厂想提高某化工产品的质量和产量，对工艺中三个主要因素各按三个水平进行试验（见表5-1）。
试验的目的是为提高合格产品的产量，寻求最适宜的操作条件。
对此实例该如何进行试验方案的设计呢？很容易想到的是全面搭配法方案（如图5-1所示）：此方案数据点分布的均匀性极好，因素和水平的搭配十分全面，唯一的缺点是实验次数多达33＝27次（指数3代表3个因素，底数3代表每因素有3个水平）。
因素、水平数愈多，则实验次数就愈多，例如，做一个6因素3水平的试验，就需36＝729次实验，显然难以做到。
因此需要寻找一种合适的试验设计方法。
试验设计方法常用的术语定义如下。
试验指标：指作为试验研究过程的因变量，常为试验结果特征的量（如得率、纯度等）。
例1的试验指标为合格产品的产量。
因素：指作试验研究过程的自变量，常常是造成试验指标按某种规律发生变化的那些原因。
如例1的温度、压力、碱的用量。
水平：指试验中因素所处的具体状态或情况，又称为等级。
如例1的温度有3个水平。
温度用T 表示，下标1、2、3表示因素的不同水平，分别记为T 1、T 2、T 3。
表5－1 因素水平 水平因素温度℃压力Pa加碱量kg符号T p m 1 2 3T 1 (80 ) T 2(100) T 3(120)p 1(5.0) p 2(6.0) p 3(7.0)m 1(2.0) m 2(2.5) m 3(3.0)图5－1 全面搭配法方案常用的试验设计方法有：正交试验设计法、均匀试验设计法、单纯形优化法、双水平单纯形优化法、回归正交设计法、序贯试验设计法等。
可供选择的试验方法很多，各种试验设计方法都有其一定的特点。
5卡方检验分析卡方检验（Chi-square test）是一种统计方法，用于验证观察数据是否符合理论分布或是否存在相关性。
它通常用于分析分类数据的统计显著性。
卡方检验的基本思想是比较观察频数和期望频数的差异。
观察频数是从实际数据中获取的频数，期望频数是基于理论分布或假设的频数。
通过比较观察频数和期望频数的差距，我们可以评估观察数据与理论分布是否有显著性差异。
卡方检验通常分为两种类型：卡方拟合度检验和卡方独立性检验。
1.卡方拟合度检验：用于验证观察数据是否符合一些理论分布。
例如，我们可以用卡方检验来验证一个骰子的各个面是否具有均匀分布。
在这种情况下，我们将观察频数与期望频数进行比较。
如果差异不显著，则我们可以接受骰子具有均匀分布的假设。
2.卡方独立性检验：用于验证两个分类变量是否相互独立。
例如，我们可以使用卡方检验来验证性别和喜好的关系。
我们可以收集一组数据，其中包含性别和喜好的观察频数。
然后，我们可以使用卡方检验来确定性别和喜好之间是否存在显着的关联。
卡方检验的统计假设如下：-零假设（H0）：观察数据与理论分布或变量之间没有显著差异。
-备择假设（H1）：观察数据与理论分布或变量之间存在显著差异。
卡方检验的步骤如下：1.根据研究问题和数据类型选择相应的卡方检验。
2.建立零假设和备择假设。
3.计算观察频数和期望频数。
4.计算卡方值，即观察频数与期望频数之间的差异。
5.根据卡方值和自由度计算P值。
6.判断P值是否小于显著性水平，如果小于，则拒绝零假设，否则接受零假设。
需要注意的是，卡方检验对样本量的要求比较高，通常要求每个类别的期望频数都大于5总结起来，卡方检验是一种验证分类数据是否符合理论分布或是否存在相关性的统计方法。
它用于比较观察频数和期望频数之间的差异，并通过计算P值来判断是否存在显著差异。
卡方检验在生物统计学、医学研究和社会科学等领域都得到了广泛应用。
